写在前面
-
每天更新1篇文章,共更新100篇以上
-
相关代码会放在gitee上
-
中间会按进度和反馈安排视频讲解
-
预计2023-11-11开始推送文章,持续3个月左右
专栏简介
本专栏带你从头开始入门计算机视觉。
内容会比之前写的文章更专业更全面,并且你可以深度链接作者,确保你能完全学会。
预计更新100篇文章以及实战代码(预计在3个月左右时间更新完成),包含以下章节(更新过程中会有调整):
我所理解的计算机视觉
基础背景知识
-
图片和像素
-
灰度图
-
彩色 RGB以及通道在计算机视觉中的含义
-
彩色YUV
-
OpenCV 介绍、环境搭建及一个实战完成YUV的分量提取
传统计算机视觉初探
-
高斯滤波
-
均值滤波
-
利用 opencv 完成一张图片的高斯模糊
-
边缘检测
-
大津算法
-
C++ 利用大津算法完成一张图片的分割
深度学习基础
-
机器学习和深度学习的关系
-
神经网络
-
训练和推理
-
正向传播和反向传播
-
损失函数
-
正向推理的性能,那些框架存在的意义
图片分类模型 - Resnet50
-
什么是 Resnet50 神经网络?
-
Resnet 神经网络为什么这么重要?
-
Resnet 中共包含哪些算法?
-
卷积 - 计算机视觉为什么离不开卷积(conv)
-
卷积 - 卷积的输入和输出, 特征图, feature map
-
卷积 - 卷积核
-
卷积 - 感受野(卷积是如何看到图像的)
-
卷积 - 图片通道数
-
卷积 - 图片的特征是如何通过卷积表征的
-
卷积 - 卷积算法的可视化
-
卷积 - 卷积的本质 - 图片特征的融合
-
卷积 - 特征图可视化,卷积到底学到了图片的什么特征
-
卷积 - 卷积算法公式推导
-
卷积参数 - padding 的作用
-
卷积参数 - stride 的作用
-
卷积参数 - dilation 的作用
-
变种卷积 - 空洞卷积
-
变种卷积 - 分组卷积
-
变种卷积 - 逐通道卷积
-
实战环境搭建 - python 和 C++ 卷积实战 - 手写一个基础卷积算法
-
卷积总结 池化 - 什么是池化算法
-
池化 - 池化的核函数
-
池化 - 和卷积的区别
-
池化 - 最大池化
-
池化 - 最大池化的特征不变性
-
池化 - 平均池化 ,全局平均池化
-
池化实战 - 手写一个最大池化函数
-
BatchNorm - 批归一化,为什么在特征图的 batch 维度做?
-
BatchNorm - 解决了什么问题
-
BatchNorm 实战 - 公式推导以及手写一个BatchNorm 算法
-
BatchNorm 为什么可以和卷积融合?
-
激活函数 - 非线性的重要性
-
激活函数 - Relu 公式
-
激活函数 - 为什么有人说可以无脑用Relu
-
激活函数 - sigmoid
-
激活函数 - 梯度消失和梯度爆炸
-
Resnet - 残差结构
-
Resnet - 残差结构的作用
-
python/c++ 实战 - 利用卷积+relu + add 手写一个残差结构
-
全连接 - 全连接的本质,图片特征的大融合
-
全连接 - 和卷积的区别和联系
-
python/c++ 实战 - 手写一个全连接算法
-
Softmax 分类器的作用
-
Softamx 分类的本质
-
Softmax 与损失函数的关系
-
python/c++ 实战 - 手写 softmax 算法
-
Resnet 中的下采样
-
Resnet 中的BottleNeck 结构
模型实战
-
python/c++ 实战 - 手写搭建 conv + batchnorm + relu conv_bn_relu)结构
-
python/c++ 实战 - 手写搭建 bottleneck 结构
-
python/c++ 实战 - 手写全局平均池化
-
python/c++ 实战 - 利用 conv_bn_relu + bottleneck + 最大池化 + 全局池化 + 全连接搭建resnet50
-
python/c++ 实战 - 下载该神经网络预训练权值
-
python/c++ 实战 - 对神经网络加载权值 python/c++
-
实战解析 - 图像预处理介绍
-
python/c++ 手写图像预处理
-
python/c++ 输入任意图片,正确推理结果
-
神经网络评价指标 - Top1/Top5, 看你手写的神经网络正确率如何?
模型性能优化
-
python/c++ 实战总结 神经网络性能指标 - 吞吐和延时
-
计算机基础 - 计算数据流加载(IO)
-
性能优化1 - 循环展开(unrooling) 及其原理
-
性能优化2 - 图融合及其原理
-
性能优化2 - resnet中可融合的层的算法等价关系介绍
-
性能优化实战 - 以上述手写的神经网络代码为基础,完成图融合的实战
-
性能优化3 - 什么是计算向量化
-
性能优化3 - 内积和卷积的关系
-
性能优化3 - 利用 python 的内积优化卷积运算
-
性能优化3 - CPU 向量指令和标量指令介绍
-
性能优化3 - CPU avx指令集介绍
-
性能优化3实战 - 利用avx指令集做卷积算法的优化
-
性能优化4 - 权值预加载技术
-
性能优化5 - 模型预编译技术和代码生成介绍
专栏总结
小册内容丰富,从原理入门到算法解析到实战,全部包含。
围绕着Resnet50这一神经网络,会带你将基础知识打牢,无论你是小白,还是已有一些基础想提高,都很适合。